請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/82208| 標題: | 函數資料分析在高光譜影像資料之研究 Application of Functional Data Analysis to Hyperspectral Imaging |
| 作者: | Lo-Chi Wang 王洛騏 |
| 指導教授: | 蔡政安(Chen-An Tsai) |
| 關鍵字: | 高光譜影像,函數資料分析,函數主成分分析,支援向量機,隨機森林, hyperspectral imaging,functional data analysis,functional principal component analysis,support-vector machines,random forests, |
| 出版年 : | 2021 |
| 學位: | 碩士 |
| 摘要: | "不同於每個像素由紅、綠、藍組成的三原色光模式 (RGB color model)，高光譜影像 (hyperspectral imaging, HSI) 在連續波長範圍內提供了更詳細的光譜資訊。而在分析HSI主要面臨的挑戰為其紀錄的光譜具有無限維的特徵空間，以及相對有限的樣本。直觀而言，可將HSI在每個像素的資料視為波長的函數，而函數主成分分析 (functional principal component analysis, FPCA) 能夠對此類型資料進行維度縮減。FPCA是主成分分析 (principal component analysis, PCA) 的延伸，即一種針對函數型資料的降維方法。從傳統的FPCA估計出的函數主成分 (functional principal components, FPCs) 是由可解釋多少函數資料的變異來進行排序，並無將反應變數納入考量。在本研究中，提出了兩種監督式判別方法 (支援向量機和隨機森林) 來對這些FPCs重新排名。而在降維後，便可利用機器學習演算法進行後續的統計分析。我們將透過三個實際資料應用、兩筆模擬資料，來評估提出的方法之可行性。" |
| URI: | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/82208 |
| DOI: | 10.6342/NTU202101165 |
| 全文授權: | 未授權 |
| 電子全文公開日期: | 2023-12-01 |
| 顯示於系所單位： | 統計碩士學位學程 |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-2806202111421000.pdf 未授權公開取用 | 1.76 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。